Из открытых лидербордов. Сравнивайте результаты одного теста при одинаковых условиях — отсутствие оценки не значит, что модель хуже.
В подключённых источниках результатов для этой модели пока нет.
Что умеет модель
Описание составлено по карточке модели и метаданным Hugging Face
Это экспериментальный текстовый чекпойнт Shirasko, полученный дообучением Qwen/Qwen3.5-2B методом RMU для забывания концепции cannabis. Модель сохраняет формат причинной языковой модели и предназначена для генерации текста в диалоговом режиме; в репозитории приведены настройки unlearning и результаты оценки на отложенной выборке.
Чекпойнт содержит 1,7 млрд параметров, использует архитектуру Qwen3.5 dense и формат Safetensors. Заявленная длина контекста — 262 144 токена. Карточка указывает на английский язык. В оценке после unlearning точность QA на тестовой выборке снизилась с 0,88 до 0,5; показатели эффективности и специфичности метода составили 0,603 и 0,571. Эти результаты показывают компромисс между воздействием на целевой концепт и сохранением остальных возможностей. Лицензия в предоставленных данных не указана.
Сценарии применения
изучение методов unlearning для языковых моделей
оценка удаления знаний о каннабисе из LLM
сравнение поведения базовой и модифицированной Qwen3.5-2B
Ограничения
Unlearning снижает точность QA на тестовой выборке с 0,88 до 0,5, а специфичность метода составляет 0,571, поэтому изменение может затрагивать и связанные знания. Лицензия и подробные условия использования не приведены в предоставленных данных.
Для каких профессий подходит3
Разделы каталога профессий, в задачах которых используется эта модель